Во время эксперимента исследователи при помощи функциональной магнитно-резонансной томографии (фМРТ) записали активность мозга двух бодрствующих собак, в то время как те смотрели видео в течение трех 30-минутных сеансов, в общей сложности 90 минут. Затем ученые использовали алгоритм машинного обучения для анализа закономерностей в нейронных данных.

Первая задача заключалась в том, чтобы придумать видеоконтент, который был бы достаточно интересным для собак. Ученые решили сделать видеоролик с перспективы собаки. Камеру закрепили на уровне глаз среднего животного и стали снимать обычные сцены собачьей жизни: как хозяин ласкает собаку, дает ей угощение, как собаки бегают, нюхают, гуляют на поводке. В видео попали автомобили, велосипеды или скутеры, переходящий дорогу олень, обедающие, обнимающиеся или целующиеся мужчины и женщины, а также люди, предлагающие зрителю резиновую кость или мяч.

Видео было поделено на сегменты в зависимости от того какой объект (например, собака, машина или человек) или действие (например, обнюхивание, игра или еда) попадали в кадр.

"Только две собаки, обученные для экспериментов с фМРТ, обладали сосредоточенностью и темпераментом, чтобы лежать совершенно неподвижно и смотреть 30-минутное видео без перерыва, по три сеанса общей продолжительностью 90 минут. Это Дейзи, смешанная порода, которая может быть частично бостон-терьером, и Бхубо, смешанная порода, которая может быть частично боксером.

"Им даже не нужно было давать угощение", — говорит Филлипс, которая следила за животными во время сеансов фМРТ и наблюдала за отслеживанием движений их глаз на видео.

К данным был применен алгоритм машинного обучения, нейронная сеть, известная как Ivis. Нейронная сеть — это метод машинного обучения, когда компьютер анализирует обучающие примеры. В этом случае нейронная сеть была обучена классифицировать содержимое полученных из мозга данных.

В этом эксперименте также приняли участие два человека. Результаты обработки полученной от них информации показали, что модель работает с 99-процентной точностью при сопоставлении данных мозга с классификаторами как на основе объектов, так и на основе действий.

В первом случае декодирования визуальной информации от собак модель не сработала для объектов. Однако при расшифровке действий точность составляла от 75% до 88%.

Результаты свидетельствуют о серьезных различиях в том, как работает мозг человека и собаки.

"Мы, люди, очень объектно-ориентированы, — говорит Бернс. — В английском языке существительных в 10 раз больше, чем глаголов, потому что у нас есть особая одержимость давать предметам имена. Собаки, похоже, меньше озабочены тем, кого или что они видят, их больше волнует само действие".

Собаки и люди также имеют большие различия в зрительных системах, отмечает Бернс. Животные видят только в оттенках синего и желтого, но имеют немного более высокую плотность зрительных рецепторов, предназначенных для обнаружения движения.

"Вполне логично, что мозг собак будет настроен в первую очередь на действия, — говорит он. — Собаки должны быть очень обеспокоены тем, что происходит в их среде, чтобы не быть съеденными или следить за животными, на которых можно охотиться. Действие и движение имеют первостепенное значение".

Проект был вдохновлен недавними достижениями в области машинного обучения и фМРТ для декодирования визуальных стимулов человеческого мозга, что позволило по-новому взглянуть на природу восприятия. Помимо людей, этот метод применялся лишь к нескольким другим видам, включая некоторых приматов.

Бернс и его коллеги также первыми разработали методы дрессировки, чтобы заставить собак войти в сканер фМРТ и оставаться совершенно неподвижными, пока измеряется их нейронная активность. Десять лет назад его команда опубликовала первые, сделанные при помощи фМРТ изображения головного мозга полностью бодрствующей, не пристегнутой собаки. Это открыло дверь к тому, что Бернс назвал "собачьим проектом" — серии экспериментов по изучению разума старейших одомашненных видов.

На протяжении многих лет его лаборатория публиковала исследования о том, как собачий мозг обрабатывает визуальные образы, слова, запахи и вознаграждения, такие как похвала или еда.

Тем временем технология, лежащая в основе компьютерных алгоритмов машинного обучения, продолжала совершенствоваться. Она позволила ученым расшифровать некоторые закономерности активности человеческого мозга. Технология "читает мысли", обнаруживая в структурах данных мозга различные объекты или действия, которые человек видит во время просмотра видео.

"Нам удалось показать, что мы можем отслеживать активность мозга собаки, когда она смотрит видео,  и, по крайней мере, в некоторой степени реконструировать то, на что она видит", — говорит Грегори Бернс, профессор психологии Эмори и автор статьи.

"Хотя наша работа основана всего на двух собаках, она является доказательством того, что методы работают и на этих животных, — говорит Эрин Филлипс, автор статьи, специалист-исследователь в Лаборатории когнитивной нейробиологии собак. — Я надеюсь, что наша статья поможет другим исследователям применить эти методы к собакам, а также к другим видам. Так мы сможем получить больше данных и лучше понять, как работает разум разных животных".

Результаты исследования были опубликованы в Journal of Visualized Experiments.